Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
-
Upload
enrique-onieva -
Category
Engineering
-
view
93 -
download
2
Transcript of Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
Sistemas de predicción de congestión basados en Inteligencia
Artificial Avanzada
Enrique Onieva,
Pedro López, Asier Perallos (Mobility Unit – DeustoTech)
@EnriqueOnieva
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 2
Motivación
Hoy en día, la congestión en las autovías es un problema global
El adelantarse a las congestiones es un componente clave de los ITS
La correcta predicción puede beneficiar: A los conductores A los gestores de tráfico A las autoridades
Aplicación de técnicas de inteligencia artificial a la predicción del tráfico
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 3
Fuente de Datos
Departamento de Transporte de California
Datos
Septiembre 2013
Tramo de 9 km
13 sensores de paso
4 incorporaciones
4 salidas
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 4
Datos Obtenidos
Frecuencia: 5 minutos 13 sensores de paso:
Flujo, Ocupación, Velocidad
4 incorporaciones Flujo
4 salidas Flujo
4 posibles estados de congestión Tráfico Fluido Congestión Leve Congestión Moderada Congestión Severa
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 5
Datos Obtenidos
Datos Completos 47 Variables 13 flujos de paso 13 ocupaciones de paso 13 velocidades de paso 4 flujos de entrada 4 flujos de salida
Datos Simplificados 13 Variables 3 flujos de paso 3 ocupaciones de paso 3 velocidades de paso 2 flujos de entrada 2 flujos de salida
6 Horizontes de Predicción 10, 20, 30, 40, 50, 60 minutos
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 6
Técnicas utilizadas
Árboles de decisión C4.5 TARGET
Clasificadores estadísticos LDA LMSLC
Reglas Difusas y Algoritmos Evolutivos CORE SLAVE
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 7
Experimentación
Cada método se ejecuta 5 veces, usando diferentes partes de los conjuntos de datos para:
Aprender
Ponerse aprueba
Medimos:
El porcentaje de aciertos global
El porcentaje de aciertos por cada nivel de congestión
Ejecución 1
Ejecución 2
Ejecución 3
Ejecución 4
Ejecución 5
Datos de Entrenamiento
Datos de Prueba
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 8
Resultados
Todas las técnicas obtienen un porcentaje de acierto global mayor al 95%
No encuentran dificultades al aumentar el horizonte de predicción
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 9
Resultados
Todas se comportan bien ante la predicción de tráfico fluido
Las mayores dificultades se dan con congestión leve
En general destacamos
C4.5
LDA
SLAVE
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 10
C4.5
Resultados
Ejemplo de salida obtenida: Conjunto de datos Completo Horizonte de Predicción de 30 minutos
C4.5 47 reglas 8 condiciones en promedio (Variable > X)
LDA Modelo lineal de las 47 variables
SLAVE 22 reglas 4 condiciones en promedio (Variable es {bajo, medio alto})
SLAVE
Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada [email protected] @EnriqueOnieva 11
Conclusiones y trabajos futuros
Conclusiones Gran potencial de la inteligencia artificial para su
aplicación en la predicción del estado del tráfico.
Resultados codificables por un relativamente bajo número de reglas
Trabajos futuros Diseño de técnicas de generación de conjuntos de
reglas compactos y comprensibles
Aplicación de dichos diseños a nuevos problemas de transporte